Задайте связь между параметрами и ковариатами
CovariateModel определяет связь между предполагаемыми параметрами и ковариатами.
Совет
Использование CovariateModel объект как входной параметр sbiofitmixed для подгонки модели с ковариатными зависимостями. Перед использованием CovariateModel объект, установите FixedEffectValues свойство для определения начальных оценок фиксированных эффектов.
CovModelObj = CovariateModelCovariateModel объект.
CovModelObj = CovariateModel(Expression)CovariateModel объект с его Expression значение свойства установлено в Expression, вектор символов, строка, строковый вектор или массив ячеек векторов символов, где каждый вектор символов или строка представляет отношение между оцениваемым параметром и одной или несколькими ковариатами. Expression должен обозначать фиксированные эффекты с помощью префикса theta, и случайные эффекты с префиксом eta. Каждый вектор символов или строка в Expression должны быть в форме:
parameterName = relationship |
Этот пример выражения определяет связь между параметром (volume) и ковариат (weight), с фиксированными эффектами, но без случайных эффектов:
|
Если имя компонента модели или ковариатное имя не является допустимым MATLAB® имя переменной, окружайте ее квадратными скобками при обращении к ней в выражении. Например, если имя вида - ДНК +, напишите [DNA polymerase+]. Если само ковариационное имя содержит квадратные скобки, вы не можете использовать его в выражении.
Эта таблица иллюстрирует форматы экспрессии для некоторых общих параметро-ковариатных отношений.
| Параметрико-ковариатная связь | Формат выражения |
|---|---|
| Линейный со случайным эффектом | Cl = theta1 + theta2*WEIGHT + eta1 |
| Экспоненциальный без случайного эффекта | Cl = exp(theta_Cl + theta_Cl_WT*WEIGHT) |
| Экспоненциальный, WEIGHT, центрированный по среднему значению, имеет случайный эффект | Cl = exp(theta1 + theta2*(WEIGHT - mean(WEIGHT)) + eta1) |
| Экспоненциальный, логарифмический (WEIGHT), который эквивалентен модели степени | Cl = exp(theta1 + theta2*log(WEIGHT) + eta1) |
| Экспоненциальный, зависимый от WEIGHT и AGE, имеет случайный эффект | Cl = exp(theta1 + theta2*WEIGHT + theta3*AGE + eta1) |
| Обратный пробит, зависимый от WEIGHT и AGE, оказывает случайный эффект | Cl = probitinv(theta1 + theta2*WEIGHT + theta3*AGE + eta1) |
| Обратный логит, зависимый от WEIGHT и AGE, имеет случайный эффект | Cl = logitinv(theta1 + theta2*WEIGHT + theta3*AGE + eta1) |
Совет
Чтобы одновременно подгонять данные с нескольких уровней дозы, используйте CovariateModel объект как входной параметр sbiofitmixed, и опустить случайный эффект (eta) из Expression свойство в CovariateModel объект.
| constructDefaultFixedEffectValues (covmodel) | Создайте вектор начальной оценки, необходимый для подгонки |
| проверьте (covmodel) | Проверяйте ковариатную модель на ошибки |
| CovariateLabels (CovariateModel) | Метки для ковариат в CovariateModel объект |
| Expression (CovariateModel) | Задайте связь между параметрами и ковариатами |
| FixedEffectDescription (CovariateModel) | Описания фиксированных эффектов в CovariateModel объект |
| FixedEffectNames (CovariateModel) | Имена фиксированных эффектов в CovariateModel объект |
| FixedEffectValues (CovariateModel) | Значения для начальных оценок фиксированных эффектов в CovariateModel объект |
| ParameterNames (CovariateModel) | Имена параметров в CovariateModel объект |
| RandomEffectNames (CovariateModel) | Имена случайных эффектов в CovariateModel объект |
Создайте CovariateModel Объекту и установите Expression свойство для определения зависимости между двумя параметрами (клиренс и объем) и двумя ковариатами (вес и возраст) с помощью фиксированных эффектов (thetas) и случайные эффекты (etas):
covModelObj = CovariateModel
covModelObj.Expression = {'CL = theta1 + theta2*WT + eta1', 'V = theta3 + theta4*AGE + eta2'};construct | getCovariateData | PKData object | PKModelDesign
object | sbionlmefit | sbionlmefitsa